detectify

抽象的な

成長する計算能力により、ディープラーニングアルゴリズムが非常に強力になり、見分けがつかない人間の合成ビデオを作成すると、ディープフェイクと呼ばれるようになりました。この現実的な顔を交換した深い偽物を使用して、政治的苦痛、偽のテロイベント、恐mailの人々が簡単に想像できるシナリオが使用されます。この作業では、AIに生成された偽のビデオを実際のビデオと効果的に区別できる新しい深い学習ベースの方法について説明します。私たちの方法は、交換と再現の深い偽物を自動的に検出することができます。私たちのシステムは、RESネックス畳み込みニューラルネットワークを使用してフレームレベルの機能とこれらの機能を抽出し、さらに長期的なメモリ（LSTM）ベースの再発ニューラルネットワーク（RNN）をトレーニングするために使用され、ビデオがあらゆる種類の操作の対象かどうか、つまりビデオが深い偽物か実際のビデオかどうかを分類します。リアルタイムシナリオをエミュレートし、モデルをリアルタイムデータのパフォーマンスを向上させるために、Face-Forensic ++、Deepfake Detection Challange、Celeb-DFなどのさまざまな利用可能なデータセットを混合することにより、大量のバランスのとれたデータセットで調製された方法で方法を評価します。

実行方法

1. プロジェクトを設定する場所からターミナルまたはコマンドプロンプトを開きます。
2. 次のコマンドを実行します、

git clone https://github.com/subhansahebshaik/detectify.git

Gitがシステムにインストールされている場合にのみ機能します。Githubから手動でzipファイルをダウンロードして、希望の場所に抽出します。

3. ルートフォルダーに「モデル」、「uploaded_videos」、「uploaded_images」ディレクトリを作成します。

4. g-driveからモデルをダウンロードしてから、以前に作成されたモデルフォルダーにコピーしてhttps://drive.google.com/drive/folders/1ux8jxyejhllz38tcgowgsz6xfsldj-？usp = sharing

5. 今実行します、

仮想エブニロンの作成はオプションですが、推奨されます

python -m venv venv venv scriptsアクティブ化

次のコマンドは、すべてのプロジェクトが必要とするライブラリをインストールします

PIPインストール-R要件。txt

6. 今すぐサーバーを実行します

python manage.py runserver

7. これで、ローカルサーバーの準備が整いました。ブラウザを開き、http：//127.0.0.1:8000/にアクセスしてください

に感謝します

このプロジェクトに貴重な洞察とインスピレーションを提供してくれたAbhijitjadhav1998/deepfake_detection_using_deep_learningリポジトリに特別な感謝を表明したいと思います。このリポジトリで提示されたコードとアイデアは、AIが生成された偽のビデオを検出するための深い学習ベースの方法を開発するための基盤およびガイドとして機能しました。

---